AiVoice

深層聲音3

這是深度語音3：2000揚聲器神經文本到語音的張量實現。目前，我們只是專注於單揚聲器的綜合。

要求

• TensorFlow> = 1.2
• python> = 3.0

數據集

LJ語音數據集

預處理

下載並解開LJ語音數據集。跑步：

 python prepro.py

注意：請確保我們將數據集解壓縮到prepro.py的同一foler中。

之後，我們將獲得三個新文件夾：

 ├── dones          [New]
├── mags           [New]
├── mels           [New]
├── metadata.csv
├── README
└── wavs

訓練

./LJSpeech-1.0/mags數據從./LJSpeech-1.0/metadata.csv ./LJSpeech-1.0/mels ./LJSpeech-1.0/dones 。如果我們想更改加載路徑，我們可以更改class Hyperparams中的配置。

要訓練模型，我們使用此命令：

 python train.py

預訓練模型

目前，我們無法取得好成績。但是，我們仍然提供我們的預培訓模型，以防有人對此感興趣。

預訓練模型。

它的注意數如下：

在訓練中產生的所有註意數字都包含在預訓練的模型zpiped文件中。

文件說明

• hyperparams.py：超級參數
• prepro.py：創建輸入和目標，即，MEL頻譜圖，幅度和Dones。
• data_load.py
• utils.py：幾個自定義操作功能。
• 模塊：網絡的構建塊。
• Networks.py：編碼器，解碼器和轉換器
• train.py：火車
• Synthesize.py：推理
• test_sents.txt：論文中的一些測試句子。

參考

大部分代碼都是從Kyubyong/DeepVoice3借來的。